広告代理店がキャンペーン パフォーマンスの推進に BigQuery を選択

※この投稿は米国時間 2021 年 9 月 10 日に、Google Cloud blog に投稿されたものの抄訳です。

広告代理店は、顧客のデジタル フットプリントが急速に変化する時代において、マーケターがより効果的な決定をするために必要とする正確なデータを提供するという課題に直面しています。顧客情報とリアルタイムのデータを実用性のある分析情報に変換して、最大限のキャンペーン パフォーマンスを実現するために実行すべきことをクライアントに伝えなければなりません。

この投稿では、Google をお使いの広告代理店 2 社が Google BigQuery をイノベーションと成功のための手段として活用し、次世代のデジタル広告と正面から向き合った事例をご紹介します。

Net Conversion 社、従来の煩雑さを排除して新たな高みに到達

ペイド マーケティングと包括的な分析を手掛ける代理店である Net Conversion 社は、その徹底した姿勢とデータドリブンのマインドセットで知られています。しかし、多くの代理店と同様に Net Conversion 社も従来のデータ管理とレポーティングの手法に限界を感じていました。

数年前、Net Conversion 社では、組織全体のデータのマイニングと処理にレガシーのデータサーバーを使い、アナリストはレポート生成のために Microsoft Excel スプレッドシートを多用していました。このプロセスは細分化されていて時間がかかり、特にスプレッドシートが 100 万行の上限を超えると処理が遅くなっていました。

状況を打破するために Net Conversion 社が構築したのが Conversionomics です。これは Google Cloud のエンタープライズ　データ ウェアハウスである BigQuery を活用するサーバーレス プラットフォームで、すべてのデータを一元管理し、すべてのデータ変換と ETL プロセスを処理します。BigQuery は、そのサーバーレス アーキテクチャと高いスケーラビリティ、そしてアナリストがすでに使用していた Google 広告や Google アナリティクス、Data Hub などのツールと統合できることから選ばれました。

BigQuery に移行してから、Net Conversion 社は当初の想定を超える驚くべきレポーティング プロセスの合理化を実感しました。たとえば、当時多くのアナリストがレポート作成に Google スプレッドシートを活用し始めていたところに、BigQuery がコネクテッド シートとネイティブに統合することで、何十億行ものデータを分析できるようになり、さらにすでに作業している箇所を可視化できるようになりました。

Net Conversion 社は、データ分析スタックをモダナイズして節約できた数えきれないほどの時間を、分析情報を次のレベルに引き上げるために費やしています。さらに、BigQuery の高度なデータ分析機能と堅牢な統合によって、クライアントがオーディエンスに対する理解を深めるためのより動的な分析情報への道が切り開かれました。

たとえばつい先日、Net Conversion 社は大手食料品店がターゲットをさらに絞り込んだキャンペーンをローンチする際に支援し、モバイル アプリケーションのダウンロード数を著しく増大させました。Net Conversion 社はウェブサイトやモバイル アプリケーション、購入履歴にわたって買い手の行動を分析することで、顧客のニーズを深く理解し、予測できました。同社はウェブサイトのデータを BigQuery でリアルタイムに分析し、モバイルアプリのデータを BigQuery と Firebase の統合を通じて分析しました。さらに、この分析情報を食料品店の CRM からの売り上げ情報で強化して、どの顧客がモバイルアプリをインストールする可能性が特に高いかを正確に予測する傾向行動モデルを生成しました。

WITHIN 社、コロナ禍を乗り切ろうとする企業を支援

パフォーマンス ブランディングを手掛ける企業の WITHIN 社は、マーケティング目標とビジネス目標を一つの目標達成プロセスにまとめることで成長を最大化するサポートを提供しています。COVID-19（新型コロナウイルス感染症）による健康危機のさなか、WITHIN 社は独自のマーケティング パルス ダッシュボードを通してリアルタイムの動向と分析情報を顧客と共有することで、広告代理店業界のイノベーターとなりました。このダッシュボードは、BigQuery を取り入れてデータ分析を変革する同社の取り組みの一環として作成されました。

BigQuery を使うまで、WITHIN 社は PostgreSQL データベースにデータを格納し、手作業でレポーティングを行っていました。このチームがサーバーの管理と保守を担当していたためデータ分析に集中することができなかっただけでなく、クエリのレイテンシの問題により作業にたびたび遅れが生じていました。

BigQuery のサーバーレス アーキテクチャ、超高速なコンピューティング、他の Google Cloud およびパートナー ソリューションと統合できる広範なエコシステムが、すばやいクエリの実行、レポーティングの自動化、CSV ファイルの徹底的な排除を可能にしました。

BigQuery を使って、WITHIN 社は顧客のライフタイム バリュー（LTV）分析を行い、その分析情報を共同作業用の Google スプレッドシートでクライアントと迅速に共有できるようになりました。さらに、マーケティング チャネル全体のキャンペーン効率を引き上げるため、WITHIN 社はデータを LTV の高いコホートと低いコホートに細分化し、予測的な分析情報をクライアントと共有してプラットフォーム内の最適化を図っています。

BigQuery からこのような LTV 分析情報を抽出することで、WITHIN 社は Google 広告でのキャンペーン強化に成功しています。そのすばらしい成功事例を紹介します。

• WITHIN 社はペットフード企業と連携して取引履歴データを分析して、新規顧客の予測 LTV をモデル化しました。同社は、製品カテゴリとオートシップそして単一注文の顧客間に大きな違いがあることを発見し、LTV ベースの最適化を実施しました。その結果、平均的な顧客の LTV が 400% 増加しました。

• WITHIN 社が手掛けたあるコーヒー ブランドでは、顧客基盤が 560% 拡大し、新規獲得顧客の 12 か月間の予想 LTV はなんと 1,280% の急成長を遂げました。

また、BigQuery は Google AI Platform Notebooks とも統合できるので、WITHIN 社は機械学習（ML）モデルを使うことができます。今ではチームが、データを移動せずに特化されたキャンペーンの影響をチャネルにまたがって予測するモデルを構築およびデプロイできるまでになりました。 Google 広告でクライアントの LTV データを統合できるので、WITHIN 社におけるクライアントのアカウントの構造化およびパフォーマンス最適化の意思決定にも影響を与えています。

現在の WITHIN 社は、データ ライフサイクル全体を存分に有効活用できています。複数のソースからデータを BigQuery に取り込み、データ分析を実行し、Google データポータルや Google スプレッドシートでデータを自動的に可視化することで、人々をサポートしています。

一貫性のある命名法があること、そして統一されたコード名をまとめられることによって、WITHIN 社は分析をスケールできるようになりました。現在、同社は Google Cloud を活用して社内のメディア ミックス モデリング（MMM）ツールを作成し、クライアントとの試用を行うことができます。

BigQuery の目に見えない総合的なメリットは、COVID-19 が猛威をふるい始めた際に WITHIN 社の敏捷性を保ったまま、他の代理店に先駆けて動向を特定できるようになったことです。データを集約できることで、WITHIN 社は独自の分析情報を使って顧客により良いサービスを提供し、目まぐるしく変化する状況においてアドバイスを行うことができています。

データ分析のモダナイゼーションをご希望の場合は、Google BigQuery がデータに隠された分析情報を引き出す仕組みについて、ご覧ください。

-代理店専任担当マネージャー Drew Whang

-代理店専任担当マネージャー Tatiana Blanco-Bertolo